0
雷锋网按：本文作者Adam Kell是Comet Labs（微信公众号：cometlabs）合伙人，负责人工智能和机器人领域的早期投资投资。Kell毕业于斯坦福大学，曾任StartX加速项目的硬件负责人，在产品设计，制造和硬件领域拥有丰富经验，曾被《福布斯》评为2014年度能源和工业领域30位30岁以下行业精英。本文是雷锋网首发文章。
今天的汽车本质上就是车轮上的电脑。在它的背后，你能看到一个与众多传感器进行通信的复杂的计算机网络，它能检测到汽车的各种问题，比如胎压、加速度、机油质量，也能够操控车速、温度、电动车门/车窗等。
汽车上的尾气传感器的出现是政府法规的直接结果——在美国环保署出台了更加严格尾气排放政策后，尾气传感器与催化转换器都成为美国的汽车的标配。到了上世纪80年代，可以检测出尾气中的氧气和燃料比的氧气传感器出现了，它对于当今的尾气控制的实现至关重要。
很快，油位传感器、胎压传感器、安全带指示灯、引擎状态指示灯等类似组件相继被发明，于是当汽车出现问题时，驾驶员能够及时被通知。这些传感器和指示灯帮助消费者避免了很多破坏性的、昂贵的或危险的汽车保养问题，使得汽车更加可靠、普及和平价。
交通行业未来10年的进步将使过去50年的所有发展都黯然失色。
这些进步不仅只是提高人们的整体驾驶体验——未来10年交通行业生态将发生革命性的颠覆，从一个点到另一个点的驾驶方式和路径很可能是今天所无法想象的。21世纪的智能汽车和基础设施不仅会提供实时道路规划和主动的交通管理 ，还将主动提供驾驶建议，甚至在很多情况下会直接控制汽车，以避免潜在的事故。
↑ 无人驾驶汽车如何看清世界？
那么，哪些东西正在被改变？
车载传感器正推进认知的边界，并且正变得前所未有的廉价——汽车将能够感知到更多东西。
过去汽车行业并不自主研发传感器，而是直接使用其他行业研发的传感器。而如今自动驾驶汽车的规模和前景使得最保守的汽车供应商也重金投入到自动驾驶汽车专用传感器的供应链中。精确定位传感器和服务正变得越来越流行，并不断推进着“精确”的边界。激光雷达、视觉识别摄像头、深度传感器以及雷达等也在根本性地改变着汽车的认知水平标准。这些传感器的整合将成为打开新级别自动驾驶大门的钥匙。
↑ 特斯拉Autopilot系统中的传感器组合的感知范围
自动驾驶系统及相关的基础设施正变得更加复杂——汽车可以知道得更多。
Waymo已经在很高的自动化水平上积累了数百万英里的准无人驾驶数据；特斯拉Autopilot系统的里程计的总读数则以高达数亿或数十亿英里，尽管它采用相对较低的自动驾驶水平。这些公司将主导无人驾驶的未来，但促使无人驾驶成为现实的还有更多辅助角色。
↑ Waymo每1000英里的失灵（disengagement）率
致力于生产和压缩高精度地图的公司们正努力使其对于降低对于计算能力的依赖，以解决车载认知系统性能不足的问题。帮助人们更简便地标注图像的工具和框架也正在研发中。计算机模拟使得训练深度神经网络不再需要完全依赖汽车在现实世界中发掘各种极端环境。其他正在开发中的工具则用来提供更多的新功能——例如帮助车辆进行自适应巡航和车道保持，以及建立一个数据集来训练车辆，告诉它人类是如何进行驾驶操作的。汽车专用硬件则被设计于通过高效运行特定的算法使得计算机视觉等工作的效率更高。
↑ 高清地图包含车道信息、交通标志及信号灯等信息
道路基础设施针对互联和通信的新需求而升级——汽车可以与其他汽车和环境通信
随着自动驾驶技术逐渐被主流汽车厂商采用，核心基础设施的升级需要被提上日程并尽快实施。基础设施升级涉及到很多方面——从喷绘新的、更清晰的车道分隔线，到整合新的传感器和通讯模块。自动驾驶汽车需要能获取足够多关于所处环境的信息，以便进行预判、制定决策以及作出反应。当前的基础设施为人类驾驶员提供信息的方式并不一定适合自动驾驶汽车。针对人类驾驶员，我们使用不同的颜色、标志、信号灯、障碍物和车灯闪烁方式提供信息；而对自动驾驶汽车来说，这些信息输入将与环境结合，进而提供与道路状况相关的更多信息——传感器能监控车流信息，而汽车之间也能进行通信。那么，未来的无人驾驶中，2.0版的基础设施与当前形式的基础设施将各自占多大比例呢？
智能制造使整合新技术、采用新方式和新材料进行汽车生产成为可能。
汽车的生产方式也正在被自动化改变。新材料因为其物理、化学和热学特性带来全新的特点。这些新材料的整合使得人们可以使用工智能以不同于传统的方式设计结构化元素，而新的开发方式也使汽车配件的原型开发更快速、更廉价。计算机视觉和机器学习技术的新应用——例如增强学习——正扩大工厂里能够被自动化生产的配件种类的范围。这些因素的融合正改变着汽车生产和测试的方式。
↑ 宝马的生产线
针对驾驶员的传感器对于自动驾驶系统实现从L0到L5级别的跨越至关重要。
随着越来越多的条件成熟，人类驾驶员将不再是汽车主要操控者；而自动驾驶系统必须能确保在特殊情况下，人类驾驶员的注意力能够回到汽车上。很快，通过摄像头和软件将足以监控实现对人类驾驶员是否分心、情感状态、是否清醒以及健康状况。其他监控驾驶员生物信息的传感器也能提供很多重要信息，告诉汽车应该做什么。结合其他健康数据（例如心脏病或中风的风险）也可能改变汽车在特定状态下的行为。所有这些能力都旨在保证驾驶员和乘客更加安全，同时让汽车对于整体环境有着更好的了解。
↑OpenCV等工具使建立计算机视觉系统变得容易
伴随着车联网和智能汽车的出现，车队管理、共享汽车及汽车维修等领域将诞生新的服务方式。
高度自动驾驶并布满传感器的汽车将催生很多新的商业模式。由于汽车能进行实时通信，并根据条件变化及时重新规划线路，车队管理将变得更加有效。在Uber等公司的推动下，共享汽车的道路规划效率将持续大幅提升。汽车内部发生的大量的变化使得维修产业也将面临类似的转型。
汽车的所有权本身也可能改变。目前车主们所拥有的车平均95%的时间都处于停放状态。一个派遣自动驾驶汽车的共享汽车公司将可能降低人们对于拥有汽车的需求或渴望——事实上，无所不在的实时共享汽车正在使城市里越来越多的人放弃保有汽车。
↑Uber匹斯堡路测自动驾驶车队
以上这些因素正推动一场交通革命，然而，交通领域的新进入者面临着更加复杂的监管系统，客户开发过程以及供应链。Comet Labs智能交通实验室帮助创业公司开发将改变交通行业的核心技术，并通过提供资金无法买到的资源（比如高清地图数据、自动驾驶测试车辆以及实验场所）帮助他们加速客户开发。
雷峰网特约稿件，未经授权禁止转载。详情见转载须知。
